基于创新驱动视角的中国省际技术创新效率测度及影响因素分析

唐娟莉，倪永良，郑丽娟

（1.西安石油大学经济管理学院，陕西西安710065；2.聊城大学商学院，山东聊城252059）

1 引言与文献回顾

进入21世纪，在科技迅猛发展的形势下，在国际竞争形势越来越严峻和资源环境约束下，为了促进国家发展和提升国际竞争力，世界各国将科技创新提升为国家发展战略，并逐步加大了科技创新投入力度。现代经济增长理论认为，决定经济增长的重要因素是技术进步和创新。于是，创新能力水平的高低已成为衡量国家或地区经济发展水平和综合竞争力的重要指标。为了全面建设小康社会和加快经济发展方式的转型，必须把科技创新摆在国家发展全局的核心位置，充分发挥科技进步和创新对其的支撑作用，为中国经济持续稳定发展提供强大动力。近年来，中国政府对于如何提升自主创新能力、建立创新型国家、增强国家竞争优势给予了高度关注，中国的R&D经费和人力投入持续攀升，R&D经费支出由2000年的896亿元上升到2016年的15676.75亿元，年均增长率为19.6%；同期，R&D人员投入由92.2万人年增加到387.81万人年，年均增长率为9.4%。然而，创新资源投入的增加只是提高创新能力的必要条件而非充分条件，也就是说，创新能力的提升既要关注创新资源的投入，更要注重创新效率水平的提升。国内外大量研究表明，创新能力的提升不仅取决于研发投入的持续增长，而且在很大程度上依赖于创新效率的提高［1］。于是，在中国创新资源相对短缺的约束下，创新效率问题就显得尤为重要。然而，现实是中国的创新效率还处于相对较低的水平，而且区域创新效率差异显著，这给中国区域经济水平的均衡发展造成了严重影响。为了实现经济可持续增长，并鉴于创新资源的有限性，实施创新驱动战略，提升省际技术创新效率，推动经济增长由要素驱动和投资驱动模式向创新驱动模式转变，尽快使科技创新成为经济社会发展的主要驱动力［2］。因此，基于创新驱动视角下，深入研究中国省际技术创新效率，对于调整并优化产业结构、加快转变经济增长方式、提升经济增长质量和效率、培育国际竞争优势具有重要的战略意义和现实意义。

纵观国内外学者的研究成果，在创新效率测算方面，知识生产函数的运用较为普遍，如Fritsch［3］运用知识生产函数，测算了欧洲11个区域的创新效率。王锐淇等［4］利用SFA方法，测度了我国区域技术创新效率，研究结果显示，我国各地区技术创新效率总体呈现出上升趋势。近些年，DEA方法的运用较为流行，如罗彦如等［5］采用三阶段DEA模型，实证研究了我国2007年30个省份的技术创新效率，认为2007年我国整体技术创新效率虽然较低，投入冗余率均达到45%，但技术创新仍处于规模报酬递增阶段，技术效率的下降主要是由于规模效率低下所导致的。白俊红和蒋伏心［6］应用三阶段DEA方法，考察了我国区域创新的效率问题，发现我国区域创新效率较低，主要原因是规模效率不高；运用三阶段DEA方法测算的结果更能客观地反映区域创新效率水平，更符合经济现实。韩晶等［7］基于绿色增长视角，运用四阶段DEA模型，实证研究了中国2010年各省份的创新效率，发现中国创新效率区域差异显著，中西部地区的创新效率明显低于东部地区；经过四阶段DEA调整后，区域创新效率明显提高，规模报酬递增的省份增多。余泳泽和刘大勇［8］基于创新价值链视角，采用三阶段DEA模型，实证考察了知识创新、科研创新和产品创新3个阶段的创新效率。

在创新效率影响因素方面，大量文献对影响中国创新效率的因素进行了探索［9］，研究结果表明，所有制结构、市场竞争程度、知识产权保护、企业规模、产权结构、市场化进程等均是影响创新效率的重要因素。王锐淇等［4］利用空间计量经济学工具，从外生角度对影响技术创新效率的因素进行了分析，发现市场开放度、基础设施建设、人力资本禀赋对区域技术创新效率具有显著的影响效应。韩晶等［7］研究认为，科技创新环境、环保规制、对外开放程度是提高区域创新效率的重要影响因素。曹霞和于娟［10］研究发现，经济水平、政府资助、产权保护意识、对外开放程度、教育重视程度、信息化水平是提升中国省域研发创新效率的有利因素。除了上述影响因素外，许多研究认为要素市场扭曲对创新效率也有重要的影响［11］，研究发现要素市场扭曲显著抑制了企业或产业创新效率的提高 ，但其抑制效应存在边际贡献递减规律 。

综上所述，这些研究成果为本文奠定了研究基础，其理论和方法对本研究具有重要的启发和借鉴意义。但已有研究涉及省际技术创新效率的较少，更多地是研究产业或企业的创新效率；创新驱动战略的实施对区域技术效率的提升具有非常重要的作用，很少有研究基于创新驱动视角展开研究。鉴于此，基于创新驱动视角，选用中国30个省份2000—2015年的面板数据作为样本，采用DEA-Tobit两阶段模型，测度中国省际技术创新效率，并实证探索影响中国省际技术创新效率的因素，以寻求提升中国省际技术创新能力和水平的合理途径，为调整并优化产业结构、加快转变经济增长方式、增强国际竞争力等提供具有实践指导性的政策建议。

2 数据来源与变量选择

2.1 数据来源

研究所用指标数据来源于《中国统计年鉴》（2001—2016）、《中国科技统计年鉴》（2001—2016）。鉴于国外三大主要检索工具收录中国科技论文数、邮电通信业务总量等核心数据只能查找到2015年；同时，鉴于西藏指标数据缺失较多，故将其剔除，因此，本文共研究选取2000—2015年全国30个省份①的480个样本数据，用以测算中国30个省份的技术创新效率，并确定其关键影响因素。

2.2 技术创新效率评价指标选择

技术效率评价指标分为两大类：投入指标和产出指标。投入指标选择R&D人员全时当量和R&D经费支出两个指标。鉴于R&D经费支出具有时滞性和累积性［14］，要更好更准确地反映省际技术创新实力和潜力用R&D资本存量来表征更为合适。对于R&D资本存量的计算，采用永续盘存法进行估算［14］，具体估算方法如下：

其中，RDEi，t、RDEi，t-1分别代表第 i个地区第 t年、t-1年的R&D资本存量；Ei，t-1代表第i个地区第t-1年的实际R&D经费支出；δ代表资本折旧率，借鉴Griliches［14］对资本折旧率的估计，假设δ=15%。

公式（1）中，R&D资本存量的计算需要使用基期的R&D资本存量RDEi，0，其估算方法如下：

其中，g代表年均R&D经费增长率，δ代表资本折旧率，Ei，0代表第i个地区基期的实际R&D经费支出。

对于产出指标，主要从知识和经济两个角度考虑，研究选用国外三大主要检索工具收录中国科技论文数、专利申请量、新产品销售收入、技术市场成交额四个指标来综合反映中国省际技术创新活动的产出水平。

2.3 技术创新效率影响因素Tobit变量选择

被解释变量：以2000—2015年30个省份的技术创新效率作为被解释变量。

解释变量：在借鉴已有研究成果的基础上，本文主要考察经济发展水平、对外开放水平、政府财政支持、基础设施、劳动者素质、信息化水平等6个外生变量可能对中国省际技术创新效率的影响。这6个外生变量分别用人均GDP、外商直接投资占GDP的比重、财政支出占GDP的比重、公路里程、平均受教育年限、人均邮电通信业务总量来表征。

本研究主要是通过构建DEA模型，以上述所选择的投入产出指标为依据，将决策单元投影到DEA前沿面上，计算决策单元偏离DEA前沿面的距离，以此评价决策单元的相对有效性，基于此，再利用Tobit模型分析各省际技术创新效率的影响因素及其程度（见图1）。

图1 模型求解框架图

3 基于创新驱动视角的省际技术创新效率测度与分析

3.1 技术创新效率测度

通过规模报酬可变的BC2模型对中国2000—2015年30个省份技术创新的技术效率、纯技术效率、规模效率及规模收益状况进行了测算，结果见表1。由表1可知，从整体上看，2000—2015年中国各地区的技术创新效率呈现出梯度变化特征，即技术创新效率的高低顺序依次是东部地区、西部地区、中部地区。这表明，东部地区在创新思想、创新人才、创新资金投入、创新成果转化等方面具有优势，同时东部地区在创新资源和环境方面具有天然优势，创新资源得到了充分的利用和发挥。就全国整体而言，2000—2015年，技术创新效率均值为0.771，离效率前沿面还有一定的差距；纯技术效率均值为0.814，规模效率均值为0.945，说明中国技术创新效率还有较大的提升空间，需要不断强化创新基础支撑条件，加大创新资源投入，同时需进一步合理配置创新资源，优化其配置结构，提高创新资源利用效率，充分发挥创新作用。从效率测算结果来看，基于创新驱动视角的中国技术创新的规模效率大于纯技术效率，说明纯技术效率不高是中国技术创新效率较低的重要原因，即技术因素处于次要位置，规模因素发挥了主导作用。从东、中、西部地区来看，技术效率均值分别为0.8085、0.7398、0.7570，纯技术效率均值分别为0.8474、0.7636、0.8165，规模效率均值分别为0.9558、0.9716、0.9142，可见，技术效率和纯技术效率均是东部地区高于西部地区，西部地区又高于中部地区；而对于规模效率，中部地区高于东部地区，东部地区又高于西部地区，这与各地区经济发展水平并不完全一致。三大地区均呈现出规模效率高于纯技术效率的态势，各地区技术效率较低的原因主要是由纯技术效率不高所致。

2000—2015年，中国30个省份中，北京、上海、浙江、海南、内蒙古、重庆、贵州、云南、甘肃、新疆等10个省份处于效率前沿面上，其技术效率、纯技术效率、规模效率值均为1，说明这10个省份处于规模收益不变阶段，其投入产出比达到了最优状态，表明其资源配置与技术管理相对有效，更加注重创新资源的合理配置和使用效率，而不是单纯通过扩大资源投入规模来提高技术创新效率；其余省份均处于技术非有效状态，表明创新投入资源并未得到合理配置和充分有效利用，技术管理处于相对低效或者无效的状态，具有投入产出不匹配的特征，究其原因，可能是因为这些省份创新思想落后、创新基础支撑不足、创新资源投入规模不当、创新驱动要素质量低下等，也可能是因为创新比较优势未得到充分发挥、创新驱动贡献不显著或创新驱动效应不突出、创新成果产出效率较低、创新成果转化率低等，因此，需进一步提升技术创新效率水平，即进一步合理配置创新资源，不断优化创新资源结构，提高创新资源利用效率，强化创新成果产出效率和转化率。

在技术有效的10个省份中，北京、上海、浙江、海南4省地处东部地区，由于其经济发展水平、地理位置、资源等吸引了大量的高端人才，对外开放程度较高，创新成果转化率较高等，所以其创新技术效率较高。北京是我国的经济、政治、文化中心，拥有雄厚的经济实力，借助于其独特的地位吸引了大量的高科技人才，拥有大多数一流的高等院校和科研机构，自主创新能力较强，加之拥有领先的高科技技术，在政策上又具有优惠的先行先试的“特权”［2］，所以其技术创新效率位于全国之首，这与其独特的地位相匹配。其余的6个省份均地处西部地区，经济发展水平和对外开放程度均较低，但其却处于技术效率前沿面上，可能是由于这些省份的创新资源得到了合理配置和充分有效的利用，创新比较优势得到了充分发挥等。

在技术无效的20个省份中，有12个省份的技术创新效率低于全国平均值，特别是江西、宁夏、山西、河南、陕西、四川、河北、青海等8个省份的技术创新效率低于0.6，说明中国的技术创新效率还有待于进一步提升。其中青海省的技术创新效率水平最低，仅为0.279。青海地处西北地区，经济发展水平较低，资源相对短缺，环境相对恶劣，同时也限制了其资源和资金的投入，基础设施建设相对滞后，高等院校和科研机构相对较少，自主创新能力较低，公共基础设施建设相对滞后，一流的高等院校和科研机构甚少，自主创新能力较低，技术应用能力较差，创新成果产出效率和转化率较低，创新贡献不显著等［2］；另一方面，青海凭借国家西部大开发战略及其国家对西部地区投资力度的逐步加大优势，其投资规模迅速扩大，这就使得青海经济发展与投资规模扩大之间存在必然联系，即投资依赖关系，但在投资规模迅速扩张的同时其技术创新能力并未得到应有的提升，仍然处于较低的水平，相应的技术创新产出较少，最终导致青海技术创新效率很低。河北、福建、广东地处东部沿海地区，经济发展水平较高，创新资源和资金相对较为充裕，创新思想较为开放，对外开放程度较高，创新基础支撑、创新成果产出效率与转化率较高，其技术创新效率本应排于全国前列，而现在却排于全国后列，其技术创新效率分别为0.351、0.616、0.635，特别是河北的技术创新效率与实际差距较大，处于全国倒数第二位，仅高于青海，主要是由于河北的研发创新能力相对较弱，粗放型的经济增长方式，使其在创新产出方面处于劣势地位，经济增长主要凭借其资源和能源优势拉动，福建在创新投入和创新产出方面不具有优势，而广东可能是由于创新比较优势未得到充分发挥，也可能是创新资源投入规模不当，或者是创新基础支撑还不够、创新效应不显著等，所以，导致了其创新技术效率较低。对于纯技术效率而言，最低的是四川，为0.374，规模效率最低的是青海，为0.438。在未处于技术效率前沿面上的20个省份中，福建、陕西两省份处于规模收益不变状态，天津、山西、安徽等6个省份处于规模收益递增状态，河北、辽宁、江苏等12个省份处于规模收益递减状态。

3.2 技术创新效率变异系数测算

通过测算2000—2015年中国技术创新效率变异系数可知，全国技术创新效率变异系数为0.0646，表明中国各地区技术创新资金投入的差距和创新资源利用有效程度的差异在缩小。从地区来看，东、中、西部地区技术创新效率变异系数分别为0.0588、0.0752、0.0831，说明东部地区的技术创新效率的变异系数最小，CV东部＜CV中部＜CV西部，表明东、中、西部地区技术创新能力差异显著，东部地区技术创新能力要强于中西部地区。

2000—2015年，辽宁、海南、山西、河南、内蒙古、广西、四川、贵州、陕西、青海、新疆等省份的技术创新效率变异系数较大，均超过了0.2，其中，青海的变异系数最大，达到0.556（见表2），说明2000—2015年中国技术创新效率的波动幅度相对较大。

3.3 技术创新模式分析

为了直观清晰地辨别各省份技术创新情况，将坐标平面划分为“高投入高效率”、“高投入低效率”、“低投入高效率”、“低投入低效率”四个象限。对于技术创新效率，按照其均值作为划分技术效率高低的标准，即高于技术创新效率均值的为高效率，低于技术创新均值的为低效率；对于创新投入，采用因子分析法将创新投入指标进行降维，综合为一个因子，计算其综合得分，并以综合得分的均值作为衡量创新投入高低的标准，即高于其均值的为高投入，低于其均值的为低投入。以技术创新效率均值为纵轴，以综合得分均值为横轴，将2015年中国30个省份的技术创新情况按上述类型进行分类②，其结果见图2。

从图2可以看出，处于第三、第四象限的省份相对较多。第一象限属于技术创新效率呈现“高投入高效率”集聚的区域，有北京、浙江、上海、广东、辽宁、山东、湖北、四川，大部分位于东部地区，西部地区的四川和中部地区的湖北，尤其是成都和武汉集聚了较多的高等院校，自主创新能力较强，导致了较高的技术创新效率；东部地区的北京、浙江、上海、广东、辽宁、山东等经济发展基础好、经济发展水平高，具有良好的技术创新支撑环境，创新投入处于全国前列，技术创新效率值均在0.8以上，总体而言，创新投入高，创新水平普遍较高，技术创新产出效率较高，属于一种比较有效的技术创新模式。

表1 2000—2015年中国各地区技术创新效率状况

第二象限属于技术创新效率呈现“高投入低效率”集聚的区域，只有江苏省位于第二象限，表明江苏具有较高的技术创新投入，但是其创新产出效果却与其投入的预期目标相差甚远，即高投入低产出形成的投入产出不匹配。

位于第三象限的省份最多，第三象限属于技术创新效率呈现“低投入低效率”集聚的区域，有福建、河北、海南、河南、江西、山西、贵州、新疆、云南、宁夏、内蒙古等11个省份。这一技术创新模式具有技术创新投入少，其创新产出效率也较低的特征。73%的省份处于中西部地区，这些省份经济发展水平较低、管理水平相对滞后、制度体制不完善、创新发展的环境支撑不足、公共基础设施建设相对滞后等，造成创新产出水平较低，导致技术创新效率较低。

第四象限属于技术创新效率呈现“低投入高效率”集聚的区域，有天津、安徽、吉林、湖南、黑龙江、重庆、陕西、甘肃、青海、广西，除天津外，其余省份均处于中西部地区。这一技术创新模式具有创新投入少而创新效率高的特征，应该是大力提倡发展的一类技术创新模式。

4 基于创新驱动视角的省际技术创新效率影响因素分析

本文建立如下受限因变量Tobit随机效应面板模型，以进一步实证分析影响中国省际技术创新效率的因素。此外，为了检验所测算的东、中、西部地区技术创新效率在统计上是否具有显著差异，在此以中部地区为基准，引入东、中、西部三大地区虚拟变量D1、D2、D3；同时，为了考察政府财政支持对东、中、西部地区技术创新效率的影响差异，引入政府财政支持与东、中、西部三大地区虚拟变量的交互项。

其中，Y*i为2000—2015年30个省份的技术创新效率；Xit为影响省际技术创新效率的因素，如经济发展水平、政府财政支持、基础设施等；μi是随个体变化而变化、但不随时间而变化并和解释变量不相关的随机变量，εit是随个体和时间独立变化的随机变量，α为截距项，β为待估参数。

表3提供了中国技术创新效率影响因素的三个随机效应回归模型估计结果。三个随机效应模型的rho值均超过0.59，表明中国技术创新效率的变化主要是由个体效应的变化来解释的；三个模型的Wardχ2值均大于28，表明可以拒绝个体效应方差为0的原假设。同时，表3也给出了三个随机效应模型的个体效应标准差和随机干扰项标准差。

表2 2000—2015年中国各地区技术创新效率变异系数（CV）

图2 中国技术创新模式

由表3可知，中部地区技术创新效率均值约为0.5，东、西部地区与中部地区的差异在三个模型中均不显著，东部地区技术创新效率比中部地区约高0.11，而西部地区比中部地区约低0.03。表明东部地区的技术创新效率较高，而西部地区较低，这对于前述中国技术创新效率的测度结果正好进行了验证，即从2000—2015年各年技术创新效率变化趋势看，东部地区的技术创新效率（2015年除外）高于中部地区，中部地区（2000年除外）又高于西部地区。

在模型2中加入了政府财政支持变量，政府财政支持对中国省际技术创新效率具有负效应，且在统计上不具有显著性。表明政府财政支持力度的加大虽然直接使得各地区的技术创新资金增加，但是创新资源和资金并未得到合理配置和有效利用，在一定程度上造成了经费的浪费，进而不利于技术创新效率的提升。

在模型3中加入了政府财政支持变量与东、中、西部三大地区虚拟变量D1、D2、D3的交互项。由表3可知，政府财政支持对东、中、西部地区技术创新效率产生了负向影响，东部地区在1%的水平上通过显著性检验，中、西部地区不具有统计上的显著性。说明政府财政支持对东部地区技术创新效率的影响大于对中西部地区的影响。表明在政府财政支持的影响下，中国省际技术创新效率会出现上升或下降，从全国水平来看，技术创新效率相对于原有水平下降了0.0022，下降幅度不大；从区域分布看，东、中、西部地区相对于原有水平分别下降了0.0145、0.0069、0.0005，可见，政府财政支持对中、西部地区技术创新效率的影响并不显著。按理论来讲，政府财政支持对技术创新效率的影响应该是正向的，而实证检验结果显示影响却是负向的，这充分说明我国还比较缺乏科技创新型高端人才、创新资源未得到合理配置、创新经费存在浪费等问题，因此，应充分发挥政府的导向作用，加强对创新型高端人才的引进和培养，调整并优化资源配置，充分发挥创新资金的作用，促使技术创新效率水平的提升。

由表3可知，三个模型中经济发展水平对省际技术创新效率产生了负向影响，表明经济发展水平高的地区并不代表其技术创新效率水平就高。究其原因，可能是因为在经济发展水平高的地区，创新资金投入较多，创新资源较为丰裕，但是创新资源和创新资金并未得到合理配置和有效利用，造成了资源和资金的浪费，导致其技术创新效率低下，正如前述所测算的结果，如河北、福建、广东等发达地区的技术创新效率较低。

已有研究表明，对外开放水平的提升有利于增强国际竞争力［2］，可以使科学管理方法和人才有机会作用于技术效率的改进［4］。而本研究却认为对外开放水平制约了技术创新效率的提升，但这种制约作用并不显著。对外开放水平的提升，虽然有利于国外高新技术的引进，但可能是我国还缺乏高端技术人才，现有人才无法消化、吸收引进的高新技术，或者是与经济发展无法有效融合，也可能是对创新资源未能加以充分有效利用，或者是外商直接投资对提升中国技术创新效率的拉动作用并不明显，导致技术效率偏低。

本研究认为基础设施与技术创新效率在1%的显著性水平上具有正相关关系，可见，基础设施建设对促使中国省际技术创新效率提升具有重要影响。这表明，基础设施建设水平越高，越能促进信息和资源的流动与优化配置及其充分利用，进而可以为技术创新提供较高的平台，不断推动技术创新的发生。

表3 中国技术创新效率影响因素估计结果

三个回归模型中，劳动者素质与技术创新效率之间具有正相关关系，但未通过显著性检验。可见，劳动者素质对技术创新效率的提升具有一定的促进作用，但是作用有限。这表明中国劳动者素质相对较低，不能充分发挥其对技术创新的带动作用。

已有研究表明，信息化水平是促进研发创新效率提升的有利因素［10，15］。表3回归结果显示，三个模型中信息化水平均对技术创新效率产生了正向影响，并通过了5%水平的显著性检验，表明信息化水平的提升可以保障知识、信息等传递渠道的畅通，促进创新成果的转化效率。

5 结论

基于创新驱动视角，以中国2000—2015年30个省份的面板数据作为样本，采用DEA-Tobit两阶段模型方法，测度了中国省际技术创新效率，并对其影响因素进行了实证分析。主要得到如下结论：

第一，全国技术创新效率均值为0.771，说明中国技术创新效率还有较大的提升空间；中国各地区的技术创新效率呈现出梯度变化特征，即技术创新效率的高低顺序依次是东部地区、西部地区、中部地区。

第二，2000—2015年，北京、上海、浙江、海南、内蒙古、重庆、贵州、云南、甘肃、新疆等10个省份处于效率前沿面上，其余省份均处于技术无效状态。

第三，2000—2015年，全国技术创新效率变异系数为0.0646，表明中国各地区技术创新资金投入的差距和创新资源利用有效程度的差异在缩小。从区域分布看，东、中、西部地区技术创新效率变异系数呈现CV东部＜CV中部＜CV西部，表明东、中、西部地区技术创新能力差异显著，东部地区技术创新能力要强于中西部地区。

第四，中国省际技术创新效率呈较明显的空间集聚状态，技术创新效率“高投入高效率”的区域主要集中在东部地区，技术创新效率“低投入低效率”的区域主要集中在中西部地区，而技术创新效率呈现“低投入低效率”的地区最多。

第五，经济发展水平、基础设施、信息化水平是影响中国省际技术创新效率的重要因素，劳动者素质对其产生了一定的影响，而对外开放水平、政府财政支持却对其产生了负向影响。

注释：

① 为了研究的需要，将中国30个省份划分为东、中、西部三大地区。具体而言，东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南等11个省份；中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南等8个省份；西部地区包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆等11个省份.

② 由于本文研究的时间期限较长：2000—2015年，为了更明确说明这一问题和直观表示，在此以2015年为例，对中国技术创新投入和效率情况作出说明.